커뮤니티 기반의 성장형 SW/AI 교육 플랫폼에서 함께 성장해요!
지식과 노하우를 공유하는 세미나에 참여해봐요!
하고 싶은 프로젝트, 대회, 논문, 연구 등을 진행해봐요!
DS4iD LAB
인문・사회
공학
ODA 프로젝트의 기획, 관리, 평가 전 과정을 데이터기반 솔루션을 통해 관리하는 도구들을 만들어보고 싶습니다. 구체적인 사례로, 1) ODA 프로젝트의 활동현황을 한눈에 열람할 수 있는 대쉬보드, 다양한 성공사례들을 손쉽게 이해할 수 있는 스토리보드 등 ODA 프로젝트 기획과 관리를 위한 시각화 도구들을 개발할 수 있을 것 같습니다. 2) GIS 도구들을 활용한 야생동물 보호, 환경분석, 보건의료시스템 접근성 분석 등 ODA 프로젝트 기획과 평가에서 중요한 인사이트를 얻을 수 있는 데이터기반 분석툴을 개발할 수 있을 것 같습니다. 3) 경제성분석, 재무분석, 예산효과분석 등 ODA 사업과 관련하여, 빅데이터를 기반으로 한 적정예산/단가 산출 등 실무에 도움되는 도구들을 개발할 수 있을 것 같습니다.
RISK data-driven decision-making LAB
인문・사회
자연과학
공학
우리 사회에 산적해 있는 위험은 갑자기 다가오긴 하지만, 예견되어있는 위험인 경우도 많다. 우리가 경험할 수도 있는 위험 요소들이 무엇이 있는지 찾아보고, 관련 데이터를 찾아서 데이터 기반으로 위험에 대한 의사결정을 할 수 있는 방법에 대해 정의하고 데이터를 분석해볼 예정이다. 이후 데이터 기반 의사결정에 대한 매개 변수들을 정하고 모델이 세워진다면, 관련 논문들을 작성해볼 계획이다. * 1기 모임 후 2기, 3기 계속 3개월 정도 간격으로 진행할 계획입니다.
Natural Language Feedback LAB
공학
현재 DL에서 모델을 학습할 때 모델에게 전달하는 정보는 label이 맞다, 틀리다의 CE loss와 같은 저차원 적인 정보를 통해 학습하고 있습니다. 이에 훨씬 고차원 정보가 담긴 Natural Language 형태의 Feedback을 모델에게 전달하여 학습을 시킬 수는 없을까?라는 의문에 대해 함께 연구해보고자 합니다. 모델에게 "그건 사과가 아니라 바나나야"라는 정보 보다 "빨갛고 동그란 사과와 달리 노랗고 길쭉한 모양을 했기에 바나나야"라는 더 rich한 정보를 전달하거나, Human alignment 관점에서 "좀 더 부드럽게 말해줘", "반말로 말해줘"와 같은 Natural Language Feedback을 모델로 전달하는 방법에 대한 연구를 하고자 합니다. 더 나아가서는 소통하며 training이 가능한 방식의 모델도 한번 시도해 보고자 합니다. 모델의 output에 대한 reasoning을 출력하면, 해당 reasoning에 대한 잘못된 점을 지적함을 통해 학습이 이루어질 수 있는 형태를 생각하고 있습니다. ex) output -> 사과, reasoning -> 둥글기에 사과, feed back -> 둥글지만 빨간색이 아니고 초록색에 줄무늬가 있어 수박 => 학습 저희 LAB의 최종 목표는 top-tier conference에 paper를 submission 하는 것입니다. NLP 분야와 Vision 분야에 대한 NL Feedback 모두를 고려하고 연구를 진행할 것입니다. + 학교 서버 GPU와 개인용 서버 GPU를 보유하고 있습니다.(공유 불가)
Continual Learning LAB
공학
DL에서 모델이 한번의 pre-training 또는 training 후에 모델을 fix하는 것이 아닌, 계속해서 새로운 내용을 학습할 수 있는 Continual Learning에 대해 연구해보고자 합니다. Vision과 NLP 두 가지 분야에 대해 CL 성능을 높이는 방법에 대해 연구하여 Top-tier conference에 paper를 submission하는 것을 목표로 LAB을 열고자 합니다. Continual Learning/Life-Long Learning에서 가장 큰 문제점은 새로운 지식을 학습하는 과정에서 이전에 배운 지식을 잊어버리는 것입니다. 이를 Catastrophic forgetting이라 하며, 해당 문제를 과거의 데이터가 없는 관점, 과거의 데이터가 일부 존재하는 관점 등 다양한 관점에서 문제를 해결하고자 하고 있습니다. 이에 저희 LAB에서는 CL에서 Catastrophic forgetting을 어떻게 해결할 것인지 연구하고자 합니다. 특히 최근 Foundation Model의 중요성이 커지는 만큼 Foundation model을 다시 처음부터 training 하지 않고 어떻게 효율적으로 새로운 지식을 학습시키며 이전 지식은 잊지 않도록 CL을 할 것인지에 대해서 연구하고자 합니다. 저희 LAB의 최종 목표는 top-tier conference에 paper를 submission 하는 것입니다. NLP 분야에서의 CL 팀과, Vision 분야에서의 CL 팀 두 팀으로 구성되어 각각 paper를 작성하고자 합니다. + 학교 서버 GPU와 개인용 서버 GPU를 보유하고 있습니다.(공유 불가)

한 주의 시작을
모두레터와 함께해요

모두의연구소가 엄선한 AI 소식을 싣고,
매주 월요일 메일함으로 살포시 찾아갑니다.
모두레터